Le cervelet du cerveau ne gaspille pas d’énergie à analyser chaque instant. Au lieu de cela, il surveille constamment le monde à la recherche de l’inattendu et ne se met en action que lorsque quelque chose change soudainement.
Inspirés par cette stratégie remarquablement efficace, des ingénieurs de l’Université Northwestern ont développé un nouveau dispositif électronique semblable au cerveau qui consomme très peu d’énergie et détecte les nouveautés presque instantanément. Dans le cadre de preuves de concept, le dispositif a identifié des rythmes cardiaques anormaux en un cinquième de battement de cœur et avec une précision supérieure à 98 %. Le dispositif a également nécessité environ 10 000 fois moins d’opérations informatiques que les approches conventionnelles d’intelligence artificielle (IA) — ouvrant la voie à une IA plus économe en énergie.
Cette percée pourrait permettre une nouvelle génération de systèmes IA à faible consommation fonctionnant en continu, destinés aux moniteurs de santé portables, aux voitures autonomes, aux robots autonomes et aux systèmes de cybersécurité qui doivent reconnaître et réagir instantanément à des événements inhabituels sans dépendre de centres de données massifs et énergivores.
« Dans le monde du calcul inspiré du cerveau, les chercheurs tentent généralement d’imiter le cerveau, qui est souvent considéré comme le « centre de la pensée » du cerveau », a déclaré Mark C. Hersam de Northwestern, qui a codirigé l’étude. « Dans notre travail, nous avons développé un dispositif qui imite le cervelet, qui contrôle les réactions réflexes apparemment sans même y penser. Le cervelet est excellent pour ignorer l’attendu et réserver ses ressources pour réagir à l’inattendu. Cette approche se traduit finalement par une consommation d’énergie moindre, et c’est là que nous obtenons des améliorations de plusieurs ordres de grandeur. »
Expert en calcul inspiré du cerveau, Hersam est le professeur Walter P. Murphy de science et génie des matériaux, professeur de médecine et professeur de chimie à Northwestern, où il occupe des postes à la McCormick School of Engineering, à la Feinberg School of Medicine de l’Université Northwestern et au Weinberg College of Arts and Sciences. Il est également président du département de science et génie des matériaux, directeur du Materials Research Science and Engineering Center et membre de l’International Institute for Nanotechnology. Hersam a codirigé l’étude avec Vinod K. Sangwan, professeur associé de recherche à McCormick ; Indira M. Raman, professeure Bill et Gayle Cook de neurobiologie à Weinberg ; et Amit Trivedi, professeur associé de génie électrique et informatique à l’Université de l’Illinois à Chicago.
Au-delà de la classification
Le nouveau dispositif représente la dernière avancée des travaux plus vastes du laboratoire de Hersam visant à repenser le matériel IA de fond en comble. Les ordinateurs conventionnels transfèrent constamment des données entre la mémoire et les processeurs physiquement séparés — un processus qui consomme une quantité importante d’énergie. Le groupe de Hersam fusionne plutôt la mémoire et le calcul en un seul dispositif appelé memtransistor.
Dans une étude de 2023 publiée dans Nature Electronics, l’équipe a démontré que seulement deux memtransistors pouvaient effectuer des tâches de classification IA qui nécessitaient autrement plus de 100 transistors conventionnels. Cette approche a réduit la consommation d’énergie d’environ 100 fois.
La nouvelle étude pousse ce concept au-delà de la classification à faible consommation. Plutôt que de simplement rendre le matériel IA plus efficace, l’équipe de Northwestern a repensé le dispositif pour imiter un circuit spécifique du cervelet, qui excelle dans la détection des nouveautés et la prise de décisions en une fraction de seconde.
Cette approche permet à l’IA d’ignorer les informations de routine tout en signalant immédiatement les événements inattendus. Pour les moniteurs cardiaques portables, cela pourrait signifier détecter les premiers signes d’un rythme cardiaque irrégulier. Pour les robots, cela pourrait signifier reconnaître quand une personne s’engage soudainement sur leur chemin. Et pour les systèmes de cybersécurité, cela pourrait signifier repérer une activité réseau suspecte avant qu’elle ne se transforme en attaque à grande échelle.
« L’IA d’aujourd’hui est remarquablement bonne pour reconnaître les motifs, mais elle passe souvent d’énormes quantités de puissance de calcul à analyser en continu des flux de données — même lorsque rien n’a changé », a déclaré Hersam. « Elle brûle donc de l’énergie pour des analyses inutiles. »
Reconstituer les réponses excitatrices et inhibitrices
Dans le cervelet, les circuits neuronaux contiennent deux signaux concurrents — l’un excitateur et l’autre inhibiteur — qui s’équilibrent constamment. Pendant une activité normale, les signaux restent en équilibre. Mais lorsque quelque chose de surprenant se produit, cet équilibre se déplace brièvement, alertant le cerveau qu’il doit réagir.
L’équipe de Northwestern a recréé cette même dynamique dans son matériel. Les ingénieurs ont développé le dispositif pour remplir deux rôles distincts. Dans un mode, il se comporte comme une synapse excitatrice, renforçant graduellement sa réponse à mesure que les signaux se poursuivent. Dans l’autre mode, il agit comme une synapse inhibitrice, répondant d’abord fortement avant de s’estomper rapidement. Ensemble, ces comportements complémentaires permettent au dispositif de distinguer les occurrences ordinaires des événements véritablement nouveaux — tout comme le fait le cervelet.
Pour construire le dispositif, les chercheurs ont utilisé du disulfure de molybdène, un semi-conducteur d’épaisseur atomique connu pour ses propriétés électriques. Ensuite, ils ont conçu une architecture de transistor asymétrique dans laquelle une électrode chevauche partiellement le semi-conducteur par l’intermédiaire d’une fine couche isolante. Ce changement de conception apparemment mineur a fondamentalement modifié la façon dont l’électricité circule dans le dispositif. En inversant simplement la direction de la tension appliquée, le memtransistor bascule entre les modes excitateur et inhibiteur.
Mettre le dispositif à l’épreuve
Pour tester le système, les chercheurs ont fourni au dispositif une série d’enregistrements électrocardiogrammes (ECG), qui contenaient à la fois des rythmes cardiaques normaux et des arythmies. Au lieu de gaspiller de l’énergie en analysant complètement chaque battement cardiaque, le dispositif a réussi à ignorer les battements normaux. Mais il a ensuite rapidement identifié un battement anormal en quelques millisecondes.
« Notre memtransistor inspiré du cervelet a détecté un rythme cardiaque irrégulier en une fraction de seconde, avant même la fin du battement », a déclaré Hersam. « C’est plus de deux fois plus rapide que l’IA conventionnelle. »
Ensuite, Hersam prévoit d’explorer des moyens d’imiter la capacité du cervelet à apprendre et à s’adapter au fil du temps. Si un événement autrefois inattendu se produit à plusieurs reprises, par exemple, le cerveau apprend progressivement et cesse de traiter l’événement répété comme une nouveauté.
« Nous avons démontré une partie du circuit neuronal du cervelet, mais il y a plus que nous n’avons pas encore imité », a déclaré Hersam. « Nous avons l’intention de continuer sur cette voie pour imiter de plus en plus ce système complexe. »
L’étude, « Memtransistors inspirés du cervelet permettent une différentiation émergente pour la détection de nouveautés efficace en termes de matériel », a été principalement soutenue par la National Science Foundation.
Article : Cerebellum-inspired memtransistors enable emergent differentiation for hardware-efficient novelty detection – Journal : Nature Communications – DOI : Lien vers l’étude
Source : Northwestern U.
